Как получить y_hat, используя функциюgnast (), когда переменная ответа и объясняющая переменная преобразуются в журнал?

Question

У меня есть линейная функция log-log как:

lom1 = lm(log(y)~log(x1)+log(x2),data=mod_dt)

Я хочу получить y_hat, используя тот же набор данных, и я сделал

yhat = exp(predict(lom1))

Результат выглядит много (из сравнения с y-шляпой, которую я вычислил вручную в R).

По какой-либо причине?

Второй связанный с этим вопрос, я сначала добавил еще три столбца в исходный набор данных mod_dt для журналапреобразования у, х1 и х2.Скажем, они названы как logy, logx1 и logx2, а затем я запустил lm:

lom2 = lm(logy ~ logx1 + logx2, data=mod_dt)

Это дает другой набор коэффициентов.

Может ли это дать правильный y-hat поделать

exp(predict(lom2))

Большое спасибо заранее.

Answer 1

Это точно не ответ.Просто хочу поделиться некоторыми моими мнениями.Модель линейной регрессии предполагает E (y) = x * beta.Если y преобразуется в log, оно становится E (log (y)) = x * beta.Однако, когда мы пытаемся предсказать y, обычно у нас нет exp (E (log (y))) = E (y)

Answer 2

Когда модель, такая как ваша формула, оценивается, она переводится в Y ~ X1 * X2 в нетрансформированной шкале.Вам нужно будет предоставить данные для проверки, если вы хотите получить более конкретный обзор ваших результатов.